Hugging Face 获选法国数据保护局增强支持计划
Hugging Face 被法国数据保护局 CNIL 选入增强支持计划，旨在支持其在数据保护方面的责任理解和实施。Hugging Face 在 BigScience 和 BigCode 项目中已采取多项措施保障隐私，CNIL 的支持将助力其进一步推进 GDPR 合规和提升数据保护透明度。
#Hugging Face
#Hugging Face
今日 0 条Hugging Face BlogAI 评分4040
Hugging Face Blog精选AI 评分6060 Hugging Face 推出低延迟文本生成新方法：辅助生成
Hugging Face 推出辅助生成，一种新的低延迟文本生成方法，通过使用较小的辅助模型来加速文本生成过程，实现高达 10 倍的延迟降低。
推荐理由：原文介绍了低延迟文本生成的新方法，读者可以了解其如何优化现有工作流。
Hugging Face Blog精选AI 评分7070 使用 StarCoder 创建编码助手
BigCode 的 StarCoder 模型发布，一个基于 80 多种编程语言、GitHub 问题和 Jupyter 笔记本训练的 1600 亿参数模型。该模型可用于创建个性化的编码助手，并支持多查询注意力机制和快速的大批量推理。
推荐理由：原文展示了如何将 StarCoder 模型微调为聊天机器人，读者可以了解其如何改变现有工作流。
Hugging Face Blog精选AI 评分6565 文本到视频模型研究进展
本文深入探讨了文本到视频模型的研究进展，包括挑战、方法和最新成果，如Phenaki、Make-A-Video、NUWA、VideoGPT、CogVideo、Video Diffusion Models (VDM)、MagicVideo、Tune-a-Video、Video LDM、Text2Video-Zero、Runway Gen1和Gen2、NUWA-XL等。
推荐理由：本文深入探讨了文本到视频模型的研究进展，包括挑战、方法和最新成果，对了解该领域的发展具有重要意义。
Hugging Face Blog精选AI 评分8585 StarCoder：一款领先的代码大语言模型发布
StarCoder 是一款基于 GitHub 数据训练的代码大语言模型，具有超过 15B 参数和 1 万亿个 token 的上下文长度。它在多个编程基准测试中优于现有的开源代码 LLM，并与 OpenAI 的 Codex 模型相媲美。StarCoder 可以用于自动完成代码、根据指令修改代码以及用自然语言解释代码片段。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face BlogAI 评分3030 Hugging Face Unity API 安装与使用指南
Hugging Face Unity API 允许开发者将 Hugging Face AI 模型集成到 Unity 项目中，支持多种任务如文本生成、分类、问答等。通过简单的步骤安装 API，并使用 API Wizard 配置模型和 API 密钥。API 支持异步调用，并提供回调处理响应或错误。
Hugging Face BlogAI 评分4242 Hugging Face 🤗 Transformers 使用 TensorFlow 和 TPUs 训练语言模型指南
Hugging Face 推出使用 TensorFlow 和 TPUs 训练语言模型的指南，通过 XLA 和 TPUStrategy 实现高效训练。指南详细介绍了从训练分词器、准备数据集到模型训练和上传的整个过程，适用于 RoBERTa 模型，并支持扩展到更大模型和更强大的 TPU pod。
Hugging Face Blog精选AI 评分6060 在免费 Google Colab 上运行 IF 模型：开源图像生成工具教程
Hugging Face 博客介绍了如何使用开源模型 IF 在免费 Google Colab 上运行，并展示了其在图像生成方面的能力，包括图像变体和图像修复。
推荐理由：介绍了如何使用开源模型 IF 在免费 Google Colab 上运行，并展示了其在图像生成方面的能力。
Hugging Face BlogAI 评分3535 Hugging Face 推出中文博客：促进中西方 AI 社区合作
Hugging Face 推出面向中文用户的博客，提供包括 Transformer、扩散模型和强化学习等资源的翻译，旨在促进中西方 AI 社区合作。博客强调中国 AI 社区的成就，如 HuggingGPT、ChatGLM 等，并计划加强与中国合作伙伴的合作，共同推动 AI 发展。
Hugging Face Blog精选AI 评分7070 Hugging Face 与 AWS 合作优化 Transformers，推出 AWS Inferentia2 加速器
Hugging Face 与 AWS 合作，推出 AWS Inferentia2 加速器，用于优化 Hugging Face Transformers 的性能。该加速器提供了前所未有的吞吐量、延迟、性能功耗比和可扩展性。通过 AWS Neuron SDK 的原生集成，开发者只需一行代码即可将模型编译为 Inferentia2。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face BlogAI 评分4545 Snorkel AI 与 Hugging Face 合作：为企业解锁基础模型
Snorkel AI 与 Hugging Face 合作，推出 Snorkel Flow 开发平台，帮助企业适应和优化基础模型。平台支持用户从 Hugging Face 的 150,000 个开源模型中选择，并通过程序化标注和微调提高模型质量。此合作使企业能够更灵活地利用开源模型，加速数据驱动的 AI 应用开发。
Hugging Face BlogAI 评分5555 StackLLaMA：RLHF 训练 LLaMA 指南
Hugging Face 发布了 StackLLaMA 模型，通过 RLHF 方法训练 LLaMA 模型以回答 Stack Exchange 上的问题，并提供了整个训练流程。
Hugging Face Blog精选AI 评分7070 Hugging Face 发布 Habana Gaudi2 加速器上的 BLOOMZ 大语言模型快速推理功能
Hugging Face 发布了 Habana Gaudi2 加速器上的 BLOOMZ 大语言模型快速推理功能，使用 🤗 Optimum Habana 库可以轻松部署百亿参数的大型语言模型，如 BLOOM，并实现比市场上任何 GPU 更快的推理速度。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face BlogAI 评分4545 Intel Sapphire Rapids CPU 加速 Stable Diffusion 模型推理
Intel Xeon Sapphire Rapids CPU 通过 Optimum Intel 和 OpenVINO 工具包，将 Stable Diffusion 模型推理速度提升至 4.7 秒，相比 Ice Lake Xeon 提升近 10 倍。此外，通过 jemalloc 和 libiomp 等系统级优化，进一步提升了内存操作和并行处理效率。
Hugging Face BlogAI 评分4040 Hugging Face 与 Flower 联合实现联邦学习教程
本教程展示了如何利用 Hugging Face 和 Flower 在多个客户端上联合训练语言模型。以对 IMDB 评分数据集进行序列分类为例，微调预训练的 Transformer 模型（distilBERT），以检测电影评分是正面还是负面。
Hugging Face BlogAI 评分4545 ControlNet 与 diffusers 的训练方法详解
Hugging Face 博客详细介绍了如何使用 ControlNet 和 diffusers 训练模型，包括规划条件、构建数据集和模型训练等步骤。以 Uncanny Faces 模型为例，展示了如何使用 FaceSynthetics 数据集进行训练，并讨论了模型训练过程中的挑战和解决方案。
Hugging Face Blog精选AI 评分7777 Hugging Face发布TRL和PEFT集成，实现大规模语言模型微调
Hugging Face发布TRL和PEFT集成，允许用户在24GB消费级GPU上微调20B参数的大型语言模型，提高了RLHF微调的易用性。
推荐理由：原文介绍了如何使用TRL和PEFT库在24GB消费级GPU上微调20B参数的大型语言模型，读者可以了解如何利用这些工具进行大规模语言模型的微调。
Hugging Face Blog精选AI 评分8585 Kakao Brain 发布 ViT 和 ALIGN 模型
Kakao Brain 和 Hugging Face 发布了新的开源图像-文本数据集 COYO 和基于该数据集训练的两个视觉语言模型 ViT 和 ALIGN。这是首个公开的免费和开源的 ALIGN 模型，也是首个与训练数据集一起发布的 ViT 和 ALIGN 模型。Kakao Brain 的 ViT 和 ALIGN 模型在性能上与 Google 的版本相当，并且演示了如何使用这些模型。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face Blog精选AI 评分7272 ControlNet 在 Diffusers 中的应用
ControlNet 是一种框架，允许用户通过不同的空间上下文（如深度图、分割图、涂鸦、关键点等）来定制生成过程。该框架支持多种条件模型，并已集成到 Diffusers 中，允许用户通过控制网络来控制图像生成过程。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face BlogAI 评分4545 Hugging Face加速Witty Works写作助手开发成功案例
Witty Works利用Hugging Face的专家加速计划，通过迁移学习预训练的spaCy模型，构建了写作助手，用于检测和过滤潜在偏见词汇。Hugging Face专家建议使用Sentence Transformers架构和SetFit库进行微调，以减少标注数据量并提高效率。最终，Witty Works在Azure上部署了模型，实现了低延迟。
Hugging Face Blog精选AI 评分6565 Hugging Face 发布 Swift Diffusers - 快速稳定的 Mac 版本
Hugging Face 发布了 Swift Diffusers，一个基于最先进的扩散模型的 Mac 本地应用程序。它利用了社区贡献给 Hugging Face Hub 的 SoTA 文本到图像模型，并转换为 Core ML 以实现闪电般的性能。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face Blog精选AI 评分6565 大型语言模型红队测试：评估安全性和潜在风险
本文探讨了大型语言模型（LLM）的安全性和潜在风险，提出了红队测试作为评估模型安全性的方法，并讨论了相关的研究和开源数据集。
推荐理由：文章探讨了大型语言模型的安全性和潜在风险，并提出了红队测试作为评估模型安全性的方法。
Hugging Face BlogAI 评分4545 Fetch 与 Hugging Face 合作，利用 AWS 构建AI工具，节省30%开发时间
Fetch公司利用Hugging Face和AWS平台，开发了自己的AI工具，用于处理用户上传的收据，实现数据分析和存储。通过这种方式，Fetch将开发时间缩短了30%，并提高了数据处理速度，同时降低了成本。
Hugging Face Blog精选AI 评分7070 Hugging Face 与 AWS 合作使 AI 更易于访问
Hugging Face 与 Amazon Web Services (AWS) 合作，旨在通过使下一代机器学习模型更易于访问，以加速其可用性，并帮助开发者以最低的成本实现最高性能。Hugging Face 将利用 AWS 作为首选云服务提供商，使开发者能够访问 AWS 的先进工具，以训练、微调和部署模型。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face Blog精选AI 评分6767 BLIP-2：零样本图像到文本生成
Salesforce 研究推出的 BLIP-2 可用于图像字幕、提示图像字幕、视觉问答和基于聊天的提示，它是一种零样本视觉语言模型，可用于多种图像到文本任务，具有高效和有效的方法，适用于多种图像理解场景，特别是示例稀缺的情况下。
推荐理由：BLIP-2 是一种零样本视觉语言模型，可用于多种图像到文本任务，具有高效和有效的方法，适用于多种图像理解场景，特别是示例稀缺的情况下。该模型通过在预训练模型之间添加一个 Transformer 来弥合视觉和自然语言模态之间的差距。新的预训练范式使该模型能够跟上各个模态的进步。
Hugging Face BlogAI 评分4545 Hugging Face Inference Endpoints：解决Transformer在生产中的部署难题
Hugging Face推出Inference Endpoints服务，旨在简化Transformer模型的部署。该服务支持在AWS、Azure和GCP等云平台上部署模型，并支持多种实例类型，包括GPU。
Hugging Face Blog精选AI 评分7070 Hugging Face发布PEFT库，实现高效参数微调
Hugging Face发布了PEFT库，提供参数高效的微调技术，用于在下游任务和数据集上微调大型语言模型，同时节省计算和存储资源。
推荐理由：原文介绍了PEFT方法在微调大型语言模型时的效率和效果，读者可以了解其如何应用于不同任务和数据集，以及如何使用PEFT库进行模型微调。
Hugging Face Blog精选AI 评分7070 Hugging Face 发布 SpeechT5 模型，支持语音合成、识别等多种功能
Hugging Face 发布了 SpeechT5 模型，这是一个支持语音合成、识别等多种功能的模型，它基于 🤗 Transformers 开源库，并提供了多种预训练模型和演示。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face BlogAI 评分4545 Intel Sapphire Rapids CPU加速PyTorch Transformers - 第二部分
Intel Sapphire Rapids CPU通过结合集群服务器和Intel Extension for PyTorch库，实现了与上一代Xeon相比的8倍速度提升，并展示了在Hugging Face Optimum Intel库支持下，对NLP模型进行推理的性能测试。
Hugging Face Blog精选AI 评分7070 深入探讨视觉-语言模型
本文介绍了视觉-语言模型的研究进展，包括训练策略、应用领域和开源资源，对了解该领域有重要价值。
推荐理由：本文介绍了视觉-语言模型的研究进展，包括训练策略、应用领域和开源资源，对了解该领域有重要价值。
Hugging Face Blog精选AI 评分7070 Hugging Face 发布计算机视觉功能更新
Hugging Face 发布了计算机视觉功能更新，包括支持 8 个核心视觉任务、3000 多个模型和 100 多个数据集，以及与其他第三方库的集成。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face BlogAI 评分3535 Stable Diffusion 在游戏开发中的应用：2D 资产生成教程
Hugging Face 博客发布了一篇关于使用 AI 工具生成 2D 资产的游戏开发教程，介绍了如何利用 Stable Diffusion 模型在 2D 工作流程中生成 2D 资产，并提供了具体的案例和步骤。教程适用于熟悉图像编辑和 2D 资产创建的读者，同时对于初学者和专家也具有参考价值。
Hugging Face Blog精选AI 评分7070 Hugging Face推出LoRA技术，用于高效Stable Diffusion模型微调
Hugging Face推出LoRA技术，用于高效Stable Diffusion模型微调。LoRA技术通过冻结预训练模型权重并注入可训练层，大大减少了可训练参数数量和GPU内存需求，从而提高了模型微调的效率和效果。
推荐理由：原文介绍了LoRA技术及其在Stable Diffusion模型微调中的应用，读者可以了解如何利用LoRA提高模型微调的效率和效果。
Hugging Face Blog精选AI 评分7070 Hugging Face Optimum+ONNX Runtime - 更简单、更快的 Hugging Face 模型训练
Hugging Face 的 Optimum 库通过集成 ONNX Runtime 进行训练，为许多流行的 Hugging Face 模型提供了开源解决方案，以提高训练时间 35% 或更多。Optimum 集成了机器学习加速器如 ONNX Runtime 和专用硬件，如 Intel 的 Habana Gaudi，以在训练和推理中实现显著加速。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face Blog精选AI 评分6262 Hugging Face 发布 Mask2Former 和 OneFormer：通用图像分割神经网络
Hugging Face 发布了 Mask2Former 和 OneFormer，两种用于图像分割的神经网络，它们现在可在 Hugging Face Transformers 库中使用。Mask2Former 和 OneFormer 支持实例分割、语义分割和全景分割，并提供了使用指南和示例代码。
推荐理由：介绍了 Mask2Former 和 OneFormer 两种先进的图像分割神经网络，并提供了在 Hugging Face Transformers 库中使用的指南，对图像分割领域的研究者和开发者有参考价值。
Hugging Face BlogAI 评分4040 PaddlePaddle 加入 Hugging Face Hub
PaddlePaddle，自2016年起由百度开源的深度学习平台，已拥有超过535万开发者和20万家企业用户。PaddlePaddle提供多种开源库，如PaddleOCR、PaddleDetection、PaddleNLP等，并计划逐步将其库与Hugging Face Hub集成，预计将提供全系列预训练模型。
Hugging Face BlogAI 评分4040 Hugging Face Datasets 和 Transformers 构建图像相似度系统
Hugging Face 博客介绍了如何使用 🤗 Transformers 和 datasets 库构建图像相似度系统，通过计算图像嵌入并使用余弦相似度来比较查询图像和候选图像的相似度。该系统使用基于 ViT 的模型和 Beans 数据集，并支持扩展到其他视觉模型和图像数据集。
Hugging Face Blog精选AI 评分6060 图机器学习入门
本文介绍了图机器学习的基本概念、应用和代表性方法，包括图的结构、表示、预神经方法、图神经网络和图 Transformer。
推荐理由：本文介绍了图机器学习的基本概念、应用和代表性方法，对于想要了解该领域的读者具有参考价值。
Hugging Face BlogAI 评分4545 Hugging Face Transformers 与 Intel Sapphire Rapids 服务器集群加速 PyTorch 训练
Hugging Face 博客介绍了如何使用 Intel Sapphire Rapids 服务器集群加速 PyTorch Transformers 的训练。通过 Intel oneAPI Collective Communications Library (CCL) 和 Intel Extension for PyTorch (IPEX) 库，可以在不修改代码的情况下实现加速。
Hugging Face BlogAI 评分4545 CLIPSeg：零样本图像分割模型指南
CLIPSeg，一款零样本图像分割模型，使用🤗 transformers，可创建粗略分割掩码，适用于机器人感知、图像修复等多种任务。该模型基于CLIP模型，通过Transformer解码器实现零样本分割，支持视觉提示功能，但输出分辨率较低。若需更精确的分割，可使用Segments.ai等工具进行微调。